通过这次百万大奖赛，Netflix升级了自家网站的算法，在工程师中塑造了财大气粗的大公司形象，发掘了无数优秀算法人才，可谓一举多得。更重要的是，它向用户普及了“推荐”这个概念，并在用户心目中将推荐这个概念与Netflix网站划上了等号，从此用户使用Netflix时对它的推荐系统有了更直观的价值参照物——一百万美金，天然产生信任感和参与感，不可不谓高明之至。
下面，就让我们看看，Netflix耗时三年开发、花费百万、吸引无数业界精英关注的推荐系统都有哪些特性。
为每个用户建立画像
打开Netflix，首先弹出的是角色选择窗口，通过一句亲切的询问“who's watching”，netflix迅速定位到用户的年龄、性别、过去看过的视频，甚至好友信息，并据此产生一个瀑布流主页，结合获取到的信息为用户推荐符合口味的影片和电视剧。
让用户知道为什么而推荐
Netflix推荐系统中一个非常重要的特性就是“推荐理由”，在每个推荐板块中，用户能够清楚地知道为什么获得这些推荐结果。这些理由都是些口语化的句式，比如：“因为你看过**”，“我们猜你喜欢**”等等。这个举措不但会给用户带来信任感，还会鼓励他们更积极地参与到推荐互动中来，给予更多有效反馈。
注重多样性
如果认为Netflix的推荐就是一行一行视频海报组成的瀑布流，那你就错了，它的推荐综合了多种形式，并且很注重多样性。同一个首页中，不仅会根据用户曾经看过什么、也许会有的喜好推荐，netflix还专门开辟区域，为用户推荐当天或当周最热的视频-即topN为用户推荐。这些举措在最大限度满足用户喜好的同时，为发现更多用户喜爱影片提供了可能。
利用好友链
Netflix鼓励使用Facebook登陆，因为一个Facebook账号在带来用户身份特征的同时，还有一项非常重要的作用，那就是它所关联的好友圈，这个圈就是用户的互联网社交圈，所谓物以类聚人以群分，通过好友们正在观看的视频，能更准确地推算用户喜好。
Genre系统这是Netflix最强大，也是最核心的推荐理念之一。这些“基因”可以广泛如“喜剧”、“正剧”这些包括成千上万的分类概念，也可以细分如“80年代的时间旅行科幻电影”这种主题。每个基因下限制一个影片集合，再按照影片本身属性与该基因吻合程度排序。
一个用户会看到什么样的基因内容呢？这个就要结合前面所有特征：用户角色、浏览历史、多样性、好友信息等等，再糅合保证让用户有足够新鲜感的更新特征，最终选择合适的Genre展现在用户面前。在用户浏览每个基因下的影片时，Netflix还会采取手段吸引用户为基因的合理性打分。
相似度系统
Netflix除了top N和Genre系统外，还有一个重要的推荐形式，被Netflix穿插在推荐系统中，那就是相似度推荐。这个相似度推荐可以是两个影片的相似度，也可以是两个用户的相似度，它可以出现在播放页里，也会出现在搜索结果中，甚至首页timeline中，作为一个Genre出现。
推荐系统发展到现在，已经是一个拥有无数工程师、众多分支共同发展的成熟体系，它在大部分网站中也均有应用。以上提到的种种特性，可以说是凡有推荐网站都会或多或少采用的推荐措施。
但是Netfilx推荐系统的强大之处在于它的将这些特性完美地综合在了一起，在主页上你会看到topN型的推荐，也会看到Genre型推荐，还会看到根据历史的相关推荐，但它同时保持了界面的简洁，每个推荐都有适当的理由，让你一眼就知道它为什么会出现在timeline里。这正符合了推荐的作用：让用户最快最简便地找到所需信息。
结语
最后，让我们揭开悬念，看看价值百万美金的算法究竟是什么样子：获胜团队 BPC 的算法的高明之处在于考察了用户评级数据中的时间和“频率”，用户在为影片打分时往往带有情绪影响，而情绪是与时间有关的。
另外，用户的口味也许随着时间的变化而变化。对比一位用户五年之前的打分和他最近的打分，肯定他最近的打分更为准确地反映了他当前的好恶标准，在决定他明天可能喜好哪些电影时所起的作用更大。于是 BPC 团队就研究用户评分的结果与他们打分的时间以及频率之间的关系，建立了相关性模型。
比如用户在周一和周五在打分时所用的标准有差异，有些用户在周日的情绪最好，这时所打的分数比平时偏高。通过这样的分析，他们能更精确地发现用户对电影的喜好口味，进而对他们打分的规律预测得更为准确。
据我所知，Netflix已经发布了第二次百万大奖赛的悬赏，这一次，这个以传统DVD租赁开始，却以先进推荐技术笑傲群雄的网站，又会给我们带来什么惊喜呢，让我们拭目以待。
